[发明专利]基于ADALINE技术的风力发电机组系统辨识方法

权利要求书

1.基于ADALINE技术的风力发电机组系统辨识方法，其特征在于包括如下步骤：

步骤1.系统测试数据的获取：

根据风力发电机组系统特性，选取激励信号,在稳定工作点WP_k和介于两个稳定工作点之间的过渡阶段均进行激励，以获取该工作域的全域输入数据、输出数据；采样时间选取系统内部采样时间；桨距环辨识时激励信号为桨叶节距角β，即输入数据为桨叶节距角β，输出为发电机转速Ω，风速V为外部输入；转矩环辨识时，系统输入为发电机转矩T_g，输出数据为发电机转速Ω，风速V为外部输入；

所述的激励信号为正弦信号与白噪声信号的叠加信号；

步骤2.基于ADALINE技术对稳定工作点进行辨识：

风力发电机组系统描述如下：

y(t)=G(p,q^-1)u(t)+v(t)    （1）

其中，G(p,q-1)=B(p,q-1)A(p,q-1)=b1(p)q-1+···+bnb(p)q-nb1+a1(p)q-1+···+ana(p)q-na,]]>为系统的传递函数，u(t),y(t)分别为系统输入、系统输出；v(t)为噪声信号，其均值为零，方差为有限值；q^-1为单位延迟控制器；p为调度参数，表征系统工作状态，且设定其区间跨度为[p_min,p_max]；a_i,b_j(1≤i≤n_a,1≤j≤n_b,n_a≤n_b)为传递函数分母多项式A(p,q^-1)、分子多项式B(p,q^-1)的系数，i,j,n_a,n_b均为自然数；在稳定工作点WP_k(k=1,2,…,m)上，其调度参数为一常数p_k(k=1,2,…,m)，m为自然数，此时系统方程描述为：

y(t)=b1(pk)q-1+···+bnb(pk)q-nb1+a1(pk)q-1+···+ana(pk)q-nau(t)+v(t)---(2)]]>

在ADALINE单元的输入端信号加入TDL，即单位延迟控制器，连接到系统输入和系统输出，即有：

X=[x₁ x₂ … x_H]^T=[u(t-1) … u(t-n_b) y(t-1) … y(t-n_a)]^T   （3）

其中，X为ADALINE的输入，t为迭代指数，对应的ADALINE权值W为：

W=w1w2···wHT=b^1···b^nb-a^1···-a^naT---(4)]]>

(1≤i≤n_a,1≤j≤n_b,n_a≤n_b)为式（2）中传递函数分母多项式、分子多项式各系数a_i,b_j(1≤i≤n_a,1≤j≤n_b,n_a≤n_b)的估计值，H=n_a+n_b为ADALINE输入个数；

则ADALINE的输出为：

y^=y^k=Σi=1Hwixi=XTW,p=pk---(5)]]>

通过学习算法，在一定精度条件下能够认为权值的估计值即为系统传递函数分母多项式、分子多项式各系数，由此确定各稳态工作点模型为：

y^k(t)=G^k(q-1)u(t),p=pk---(6)]]>

其中即为各稳态工作点的传递函数估计，且式（6）中的传递函数为定结构和定参数，表达式中不含调度参数变量p；

步骤3.基于ADALINE技术对全局LPV模型进行辨识：

结合LPV方法，将系统全局模型表达为（6）中模型的插值：

y^(t)=Σk=1mαk(p)y^k(t)=Σk=1mαk(p)G^k(q-1)u(t)---(7)]]>

其中α_k(p)(1≤k≤m)为基于调度参数p的插值函数，插值函数为多项式函数、分段线性函数、三次样条函数或高斯函数；

若插值函数为三次样条函数，则表达式如下：

αk(p)=γ1k+γ2kp+Σi=2M-1γi+1k|p-p~ik|3---(8)]]>

其中M为三次样条函数的阶数，M为自然数；为调度参数取值范围[p_min,p_max]内给定的某一序列，针对任意工作点WP_k(k=1,2,…,m)，能够取不同序列，这里简化为取相同序列

采用最小二乘法进行辨识，则式（8）中需要估计的系数构成的向量θ为：

θ=γ11···γM1γ12···γM2···γ1m···γMmT---(9)]]>

向量θ对应的调度参数向量φ^k(t)为：

φk(t)=1p(t)|p(t)-p~2*|3···|p(t)-p~M-1*|3---(10)]]>

将（9）和（10）代入（7）中可得：

y^(t)=φ1(t)y^1(t)···φm(t)y^m(t)θ---(11)]]>

则θ通过最小二乘准则获得的估计值如下：

θ^=minθΣt=1N(y(t)-y^(t))2---(12)]]>

采用以下方法结构替换式（12）：

将全局系统输入u(t)通过式（6）中传递函数获得的估计值与对应的序列Ψ(p)运算所得的结果作为ADALINE输入，其中Ψ(p)为（10）中调度参数向量，为Ψ(p)与各个稳态工作点模型输出乘积，即：

Ψ(p)=1p|p-p~2*|3···|p-p~M-1*|3---(13)]]>

Ψk(p,y^k)=Ψ(p)y^k---(14)]]>

则全局LPV模型的输出的表达式为：

y^=Ψ(p)y^1Ψ(p)y^2···Ψ(p)y^mW---(15)]]>

将（15）与（11）相比较，得出W的估计即为θ的估计，则（7）中全局系统的LPV模型建立完成。